ภาควิชาวิจัยและจิตวิทยาการศึกษา
คณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
2025-07-16
AI ไม่ได้มีแค่ ChatGPT, Gemini, Claude, …
| AI Stack | |
|---|---|
| 1. Infrastructure | โครงสร้างพื้นฐาน เช่น Chip, GPU, Cloud platform, AI API, Data Structure, frameworks ที่รองรับการพัฒนาและรันโมเดล AI |
| 2. Model | โมเดลที่ใช้ประมวลผล เช่น Machine Learning Models, Deep Learning (GPT, BERT, Random Forest ฯลฯ) |
| 3. Application | แอปพลิเคชันที่ผู้ใช้งานโต้ตอบด้วย เช่น ChatGPT, Gemini, Claude, Canva, ระบบสร้างข้อสอบ, ระบบช่วยให้ feedback … |
| 4. Organization Usage | วิธีที่องค์กรหรือบุคลากรนำ AI ไปใช้ในบริบทจริง เช่น การใช้ช่วยออกแบบการสอน วิเคราะห์ผลสัมฤทธิ์ หรือสร้างหลักสูตร … |
| 5. Dataset | ข้อมูลที่ใช้ในการฝึกหรือวิเคราะห์ เช่น เอกสารนโยบาย ข้อสอบ ชิ้นงานนักเรียน พฤติกรรมผู้เรียน คะแนนของผู้เรียน … |
AI-Augmented Programme Learning Outcomes Design (PLOs)
AI-Augmented and Assisted Teaching
ใช้แหล่งข้อมูลจากเอกสารที่เกี่ยวข้องทั้งในระดับชาติ และนานาชาติ เพื่อรวบรวมแนวคิดสำคัญเกี่ยวกับสมรรถนะครูที่จำเป็น ภายใต้บริบทของการศึกษาในศตวรรษที่ 21 และการเปลี่ยนแปลงทางเทคโนโลยีและสังคม เช่น กรอบนโยบายและมาตรฐานระดับชาติ กรอบนโยบายและวิสัยทัศน์ของสถาบัน กรอบสมรรถนะครูระดับภูมิภาคและนานาชาติ แนวโน้มทักษะและสมรรถนะในอนาคต และความคิดเห็นจากคณาจารย์และผู้เกี่ยวข้อง
| หมวดหมู่หลัก | ชื่อหมวดหมู่ | รายการเอกสารที่เกี่ยวข้อง |
|---|---|---|
| 1 | กรอบนโยบายและมาตรฐานวิชาชีพครูของไทย | - ประกาศคณะกรรมการคุรุสภา เรื่อง สาระความรู้ สมรรถนะและประสบการณ์วิชาชีพของผู้ประกอบวิชาชีพ - แผนการศึกษาแห่งชาติ พ.ศ. 2560–2579 - มาตรฐานคุณวุฒิระดับอุดมศึกษา |
| 2 | วิสัยทัศน์และทักษะเป้าหมายของมหาวิทยาลัย | - วิสัยทัศน์ พันธกิจของจุฬาลงกรณ์มหาวิทยาลัย - วิสัยทัศน์ พันธกิจ และค่านิยมหลักของคณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย 2024–2028 - ทักษะอนาคต จุฬาลงกรณ์มหาวิทยาลัย (ศ.ดร.วิเลิศ ภูริวัชร) |
| 3 | สมรรถนะครูในระดับภูมิภาคและสากล | - สมรรถนะครูเอเชียตะวันออกเฉียงใต้ (SEA-TCF) - The V³SK Model (NIE, Singapore) - AI Competency for Teacher (UNESCO, 2024) |
| 4 | ทักษะ สมรรถนะ และความรู้เพื่ออนาคตครูในโลกเปลี่ยนแปลง | - ทักษะที่จำเป็นแห่งอนาคต เพื่อเตรียมการพัฒนาคุณภาพคนไทยทุกช่วงวัย (สกศ.) - The Future of Skills: Employment in 2030 (WEF, 2017) - The Future of Jobs (WEF, 2020) - The Future of Jobs Report 2025 (WEF): Skills outlook - The futures we build (UNESCO, 2023) - McKinsey: Defining the skills citizens will need (2021) - OECD DIGITAL EDUCATION OUTLOOK 2023 - OECD Learning Compass, Knowledge, Skills, Attitudes, Transformative Competencies - Artificial intelligence literacy, lifelong learning, and fear of innovation - Artificial Intelligence and the Future of Teaching and Learning - Role of data literacy training for decision-making in teaching practice |
| 5 | ข้อคิดเห็นและข้อมูลจากผู้มีส่วนได้ส่วนเสีย | - ความคิดเห็นจากคณาจารย์คณะครุศาสตร์ - ผลการสำรวจบัณฑิต ผู้ใช้บัณฑิต และผู้เกี่ยวข้อง |
Document Digitization
Attribute phrase extraction using LLMs
Prompt Engineering
Extracting Attribute Keywords/Phrases from Text
Classifying Phrases into Defined Attribute Categories
Batch processing
ชุดข้อมูลคลังคำสำคัญ/วลี 1627 คำ
Mapping คำสำคัญกับกรอบแนวคิดคุณลักษณะของบัณฑิตคณะครุศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย (ปรับปรุง keywords)
| Competency ID | Competency (เดิม) | Example Keywords (ใหม่) | ผลการสังเคราะห์ Keyword ใหม่ |
|---|---|---|---|
| Competency 1 | การออกแบบการเรียนรู้บนฐานเทคโนโลยีและข้อมูล | instructional_design, technology_integration, technological_literacy, digital_literacy, digital_tools, ai_literacy, data_analysis, data_literacy, data_literacy_skills, personalized_learning, adaptive_learning, equitable_learning_environments, global_awareness, curriculum_development, 21st_century_skills, systems_thinking… | มุ่งเน้นการออกแบบและจัดประสบการณ์การเรียนรู้โดยใช้เทคโนโลยีและข้อมูลสารสนเทศเป็นฐาน เพื่อเปลี่ยนแปลงการเรียนรู้ให้มีความหมายและสอดคล้องกับความต้องการเฉพาะของผู้เรียนแต่ละคนอย่างแท้จริง ไม่เพียงแค่ใช้เครื่องมือดิจิทัล แต่รวมถึงการออกแบบที่ตอบสนองต่อความหลากหลายและความเฉพาะบุคคล |
| Competency 2 | การบริหารจัดการและการตัดสินใจด้านการศึกษา | adaptability, flexibility, flexibility_and_adaptability, ethical_decision-making, professional_ethics, ethical_teaching_practices, differentiated_instruction, responsive_teaching, active_learning, teamwork_skills, collaboration_skills, communication_skills, creative_thinking, decision-making, strategic_decision-making, change_management, problem_solving, future_skills_development, learning_agility… | แสดงถึงภาวะผู้นำเชิงจริยธรรมที่สามารถวิเคราะห์สถานการณ์และตัดสินใจได้อย่างยืดหยุ่นท่ามกลางความซับซ้อนบริบทโลก และบริบททางการศึกษา มีทักษะในการวางกลยุทธ์และบริหารจัดการที่รองรับความแตกต่างของผู้เรียนและความเปลี่ยนแปลงในระดับระบบอย่างมีประสิทธิภาพ |
| Competency 3 | การพัฒนาตนเองและการทำงานร่วมกับผู้อื่น | self-directed_learning, lifelong_learning, growth_mindset, reflective_practice, resilience, self-awareness, self-care, well-being, professional_development, continuous_professional_development, collaboration, collaborative_learning, collaborative_problem_solving, critical_thinking, metacognitive_skills, strategic_decision-making, effective_teamwork… | สะท้อนลักษณะของผู้เรียนรู้ตลอดชีวิตที่มีแรงขับภายในในการพัฒนาตนเองทางวิชาชีพ พร้อมความสามารถในการทำงานร่วมกับผู้อื่นอย่างสร้างสรรค์ท่ามกลางสภาพแวดล้อมที่เปลี่ยนแปลง และใส่ใจต่อความเป็นอยู่ที่ดีของทั้งตนเองและผู้อื่นอย่างสมดุล |
| Competency 4 | จริยธรรม ความเสมอภาค และพลเมืองโลก | global_citizenship, global_awareness, global_competence, cultural_responsiveness, equity, inclusive_education, cross-cultural_communication, collaborative_work, collaborative_teaching, adaptive_teaching, adaptive_instruction, ethics, ethical_decision-making, data-driven_decision_making, evidence-based_practice, strategic_data_use, collaborative_data_use, collaborative_data_analysis… | เน้นความเข้าใจในบทบาทของครูในฐานะพลเมืองโลกที่มีจริยธรรม เปิดกว้างต่อความหลากหลายทางวัฒนธรรม และมีความรับผิดชอบต่อสังคม สามารถประยุกต์ใช้ข้อมูลและแนวปฏิบัติที่อิงหลักฐานในการตัดสินใจด้านการเรียนการสอนเพื่อส่งเสริมความเสมอภาคและความยุติธรรมในการศึกษา |
การออกแบบการประเมินที่มีวัตถุประสงค์ชัดเจนว่าจะเป็นการวัดและประเมินผลเพื่อปรับปรุงการเรียนการสอน ไม่ใช่เพื่อให้เกรดเท่านั้น แต่เพื่อสร้างความเข้าใจที่ลึกซึ้งเกี่ยวกับการเรียนรู้ของนักเรียนแต่ละคนที่จะนำไปสู่ การเข้าใจผู้เรียน (ปัญหา/สาเหตุของปัญหา) การวางแผนช่วยเหลือเชิงรุก และการดำเนินการช่วยเหลืออย่างแม่นยำ ทันท่วงที
Propose-Driven
Personalized
Process_Enhanced
Proactive Prevention
Predictive Assessment
Responsive Assessment
Intensive Assessment
Item/Quiz Generator (🧭 Purpose-Driven)
Task Generator (🧭 + 🧠 Process-Enchanced)
Differentiate/Adaptive Tasks (🎯 Personalized)
Rubric Generator (🧭 + 🧠 + 🎯 + 🛡️ Proactive)
Automated Scoring & Automated Essay Scoring (🎯 + 🛡️)
Feedback Generator (🎯 + 🛡)
ZGen AI เช่น ChatGPT สามารถตรวจคำตอบของโจทย์ปัญหาได้ และยังสามารถตรวจให้ผู้เรียนเป็นรายบุคคลโดยอัตโนมัติ
ถ้าคำถามมีความซับซ้อนอาจแบ่งการป้อน prompt เป็นส่วนย่อย ๆ เช่น ส่วนสอนหรือปรับแต่งเฉลยคำตอบ ส่วนตรวจให้คะแนน และส่วนให้ผลป้อนกลับ
Gen AI เช่น ChatGPT สามารถตรวจคำตอบของโจทย์ปัญหาได้ และยังสามารถตรวจให้ผู้เรียนเป็นรายบุคคลโดยอัตโนมัติ
ถ้าคำถามมีความซับซ้อนอาจแบ่งการป้อน prompt เป็นส่วนย่อย ๆ เช่น ส่วนสอนหรือปรับแต่งเฉลยคำตอบ ส่วนตรวจให้คะแนน และส่วนให้ผลป้อนกลับ
Gen AI สามารถสำรวจผู้เรียนที่มีความโดดเด่นโดยใช้ได้ทั้งวิธีการทางสถิติและการเรียนรู้ของเครื่อง แปลผล และรายงานให้ครูผู้สอนทราบเพื่อดำเนินการสนับสนุน/ช่วยเหลือผู้เรียนต่อไปได้
1. จากข้อมูลที่ให้ขอให้สร้าง histogram เพื่อนำเสนอการแจกแจงของ StatSubmitTime หน่อย ข้อมูลดังกล่าวเป็นจำนวนชั่วโมงโดยเฉลี่ยที่นักเรียนใช้ในการทำงานที่ได้รับมอบหมาย ให้สร้างเส้นตรง x = 168 เป็นเส้นประไว้ด้วยเพื่อเป็นจุดอ้างอิงระยะเวลา deadline ของการส่งงานแต่ละชิ้น (7 วัน)
2. ช่วยคำนวณสถิติพื้นฐานของตัวแปร StatSubmitTime หน่อย ได้แก่ ความถี่ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ค่าต่ำสุด Q1, Q2, Q3 และ ค่าสูงสุด โดยจำแนกตามกลุ่มของนักเรียนที่ส่งงานตรงเวลาและส่งงานช้า
3. มีนักเรียนเสนอว่าควรขยายเวลาการส่งงานจาก 7 วันเป็น 10 วัน ทั้งนี้เป็นเพราะเชื่อว่าการมีเวลามากขึ้นจะทำให้งานดีขึ้น และผลการเรียนจะดีขึ้นด้วย ผมอยากวิเคราะห์ข้อมูลเพื่อตรวจสอบสมมุติฐานนี้ ทำยังไงได้บ้างจากข้อมูลที่มี ลองเสนอทางเลือกหน่อย
4. ลองสร้างแผนภาพการกระจาย โดยที่ให้แกน y เป็น StatKnowledge และ แกน x เป็น StatSubmitTime พร้อมทั้งสร้าง smooth line regression เพื่อแสดงแนวโน้มความสัมพันธ์ด้วย
5. ขอให้ hover label ใน scatter plot แสดง student_id ด้วย และปรับแกน x ให้เป็นจำนวนเต็ม ไม่มีจุดทศนิยมด้วย
6. ขอ scatter plot แบบนี้แต่เปลี่ยนแกน y เป็น StatPercentSubmit
7. ให้แกน y เป็น StatPercentSubm เหมือนเดิม แต่ลองปรับแกน x ให้เป็นตัวแปรจัดประเภทกำหนด cutoff ที่ 75, 125 และ 168 แล้วปรับแผนภาพเป็น boxplot แทน
ค้นหางานวิจัย/แหล่งข้อมูลอ้างอิง
ออกแบบแผนการสอน
สร้างเนื้อหาการเรียนรู้ เช่น สถานการณ์ บทสนทนา ประโยคตัวอย่าง …
อธิบายเนื้อหา ให้ข้อมูลป้อนกลับผู้เรียน
แปลภาษาและสรุปความ
ปรับเนื้อหาให้มีความสอดคล้องกับระดับหรือภูมิหลังของผู้เรียน
ออกแบบวิธีการสนับสนุนหรือช่วยเหลือผู้เรียนที่เหมาะสม
Prompt engineering + Context injection
สามารถปรับแต่ง GPT ให้มีความเฉพาะและเหมาะกับการทำงานในแต่ละบริบท
ไม่จำเป็นต้องเขียน code
บน sidebar ของ ChatGPT คลิกเลือก Explore GPTs
มุมขวาบนของหน้าจอ คลิปเลือก + Create
Siwachoat Srisuttiyakorn
Faculty of Education Chulalongkorn University